控制与决策

作者：曾朝晖,赵会勇,罗恩韬,张英豪,杨阳,严一泰

单位：湘潭大学 智能计算与信息处理教育部重点实验室,湖南 湘潭 411105,,湘潭大学 智能计算与信息处理教育部重点实验室,湖南 湘潭 411105,,湖南科技学院 信息工程学院,湖南 永州 425099,,湘潭大学 智能计算与信息处理教育部重点实验室,湖南 湘潭 411105,,湘潭大学 智能计算与信息处理教育部重点实验室,湖南 湘潭 411105,,湘潭大学 智能计算与信息处理教育部重点实验室,湖南 湘潭 411105,

关键词：电力数据预测;长短期记忆深度学习网络;自回归移动平均模型;小波分解;状态转移算法

基金：湖南省教育厅科学研究重点项目(21A0069)；国家自然科学基金面上项目(62172159);湖南省自然科学基金面上项目(2021JJ30294).

电力数据易受气候、季节、节假日等因素影响,出现不同波动特征.针对不同特征电力数据预测精度不高、预测方法泛化能力弱等问题,提出基于自适应混合优化的电力数据预测方法 .通过使用小波变换和平稳性分析,将电力数据自适应地分解为包含趋势、季节和周期信息的非平稳序列和多个平稳序列;使用状态转移算法分别优化长短时记忆深度学习网络和自回归移动平均模型,对非平稳序列和平稳序列分别拟合、预测;对预测的各序列进行重构,得到最终预测结果.在电力系统数据上进行多步预测,对比实验表明:与其他方法相比,所提方法不仅具有更高的预测精度,还具有较强的泛化能力.

来源：2023年第12期

《控制与决策》期刊编辑部

查看控制与决策杂志2023年第12期